公开(公告)号：CN117710382A

公开(公告)日：2024-03-15

申请号：CN202311711776.X

申请日：2023-12-13

Applicant: 安徽工业大学

Inventor： 王兵 ,  邢伟朋 ,  卢琨 ,  汪文艳 ,  吴紫恒 ,  赵远 ,  马小陆

IPC: G06T7/10 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进U‑Net模型的医学图像分割方法，属于医学图像分割技术领域，包括以下步骤：数据集预处理；搭建分割网络模型并训练，得到改进U‑Net模型；利用改进U‑Net模型进行医学图像分割工作。本发明将原始单一卷积模块替换成多尺度特征提取模块，使得模型能够有效的捕获医学图像上不同的尺度和结构的特征，有助于更全面的理解图像内容，从而提高模型分割的准确性；同时也能够适应不同尺度的分辨率和尺寸，提高模型的鲁棒性和泛化性；在模型关键的位置分别增加自注意力机制和残差注意力机制，使得模型能够在关键位置建立权重连接，从而更好的捕获和理解图像中上下文的信息以及图像不同区域之间的关系，以及捕获图像中的目标细节和边界。

公开(公告)号：CN118155714A

公开(公告)日：2024-06-07

申请号：CN202410321026.X

申请日：2024-03-20

Applicant: 安徽工业大学

Inventor： 王兵 ,  童善鹤 ,  卢琨 ,  汪文艳 ,  邢伟朋 ,  吴紫恒 ,  赵远

IPC: G16B20/50 ,  G16B25/00 ,  G16B40/00 ,  G16H30/00 ,  G06V10/25 ,  G06V10/74 ,  G06T7/11 ,  G06N3/0464 ,  G06V10/82 ,  G06N3/0985 ,  G06V10/764

Abstract: 本发明公开了用于揭示肺癌亚型TP53突变所引起的不同组学之间内在联系的方法，属于技术领域，包括对TP53突变组与野生组在组织微生物上做差异分析、对TP53分组在免疫细胞成分上做差异分析以及免疫细胞与微生物群落的相关性分析等步骤。本发明先将两种肺癌亚型按照TP53是否突变进行分组，然后通过对瘤内微生物，免疫细胞，病理图像特征三部分组学数据进行分析，再训练了一个基于多模态数据的深度学习模型来预测TP53突变，最后通过可视化展示了不同组学之间的具体联系以及模型所关注的病理图像区域。